自动驾驶车我体验了很多，在卡丁车赛道上还是第一次
上一次 GeekCar 报道「 禾多科技」，还是在一个月前，当时禾多科技和四维图新签订了战略合作协议。仅仅一个月的时间过去了，禾多科技就又开了一次发布会：发布轩辕自动驾驶平台。此时的禾多科技，刚刚成立三个月。（注：禾多科技是一家国内的自动驾驶创业公司，创始人倪凯曾先后加入微软、百度、乐视，参与并主导包括多个无人车项目、微软三维地图和 HoloLens 增强现实眼镜的研发项目。禾多科技提供的是 L3.5 自动驾驶系统，即把一个准 L4 系统降为到 L3 来使用，有更高的安全标准，同时它又适合量产。）在发布会当天，禾多科技包下了北京瑞得万赛车场的室外场地，而包下赛道的目的就是为了展示基于轩辕平台打造的自动驾驶汽车：一辆大众 B8 迈腾、一辆别克昂科威。 先说轩辕自动驾驶研发平台是什么，禾多方面给它的定义是：可以赋予传统量产车辆自动驾驶的基础能力，即稳定可靠地实现对车辆的行驶、制动、转向和换挡以及灯光控制。线控核心参数符合研发需求，适合集成更多传感器和设备，并支持完整的软硬件工程定制需求，配以灵活的本地技术支持，完美满足开发者对 L2 到 L5 级别的自动驾驶研发系统的要求。 轩辕平台到底都有哪些功能？支持哪些软件和硬件？请看下表： 当然，仅仅依靠禾多科技一家公司就打造出一个「 平台」 还是有点难，不过从倪凯请来的嘉宾中，你可以推断一下禾多科技的合作伙伴：博世、英伟达和 Velodyne。当然，还有禾多科技的战略合作伙伴、早期投资方四维图新。 看到自动驾驶平台二字，让我想起了百度阿波罗平台，所以难免会有人问：禾多科技的轩辕平台和百度的阿波罗平台，有什么区别？ 倪凯打了个比方：「 两个是不同层面的平台，阿波罗主要是大脑层面的能力，而轩辕则强调四肢和眼睛，比如线控、各类传感器、嵌入式和基础的能力。两者是共存的关系，不是重合的关系」。 至于为什么做出轩辕平台，倪凯说：「 我们希望与同行共享一个亲测有效的解决方案，将大家用于填坑的宝贵时间和精力解放出来。」 打个比方，假如你是以「 算法」 切入自动驾驶的创业者，做的是偏「 软」 的东西，你就可以使用偏「 硬」 的轩辕平台。原因在于系统设计和硬件扩展能力是研发自动驾驶系统的基础，在打基础的过程中会涉及到电源供给、冷却设计、传感器写作、操控稳定性等问题，使用轩辕平台的好处就是它有快速响应的能力和实操经验。 轩辕平台的负责人表示，轩辕目前可以在一周内交付使用。 下面聊自动驾驶版迈腾和昂科威。 这两辆车均用于演示「 循迹行驶」，昂科威用于演示绕八字，迈腾用于演示赛道上的行驶以及高速避障（时速约 60km/h）。至于其中的原理，简单来说就是把路线的 GPS 坐标输入到自动驾驶系统中，再由电脑根据当前位置去控制油门/刹车和转向。说起来简单，做起来很复杂… 在刚看到禾多科技深度改装的迈腾时，我的第一感觉就是：太工整了，很干净。在此之前，我也体验过不少自动驾驶汽车，而禾多科技改装得算比较「 漂亮」 的，各种传感器、数据线和电脑都被隐藏了起来，连车标、方向盘标都换了自己 Logo。外观内饰的整洁程度，和我之前试乘过的德尔福自动驾驶版 SQ5 处于同等水平。 关于试乘体验，这两辆车的横向、纵向控制都比较精准，转向时没有多余的抖动，而不成熟的改装车转向时会有「 帕金森」 症状。 前面提到，倪凯从创业到今天的自动驾驶演示，也不过三个月的时间。这样的速度并不令我惊讶，因为在倪凯还在乐视工作的时候，我就坐过他主导改装的自动驾驶版高尔夫旅行，那时还是 2016 年 10 月。 当时体验者可以在一个平板电脑上划任意路线，路线下发给车辆后，车辆就会在场地内循迹行驶，比今天演示的案例更为复杂。所以禾多科技的今天的成果，和团队成员丰富的从业经验分不开。 回到前面说的轩辕平台，既然是一个「 平台」，我认为它最终能不能发挥最大的价值，还得看有多少自动驾驶团队使用了它，这也是轩辕平台的初衷。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
无人驾驶还没来，Uber 已经为它准备了一套防晕车系统
本文转载自「好奇心日报」，作者徐弢 自动驾驶能不能在 2020 年到来还很难说，但已经有不少着重于自动驾驶对司机、道路、乘客的影响的研究在推进了。 Uber 公司最近获批的专利显示，这家打车服务公司在研究一套系统，希望降低乘客在自动驾驶汽车上的晕车几率。Uber 公司前不久刚订了 2.4 万辆沃尔沃，用于组建自动驾驶车队。 在专利文件中，Uber 公司称，乘客在自动驾驶汽车内，可能因专注于工作、阅读等行为导致晕车。背后原因是因为，乘客对车辆前进运动的认知，例如车辆在转弯、刹车或者超车行为时，跟协调身体平衡感的前庭系统不能协调。有人类驾驶的时候，乘客一般会更关注车的行驶。 Uber 公司设想了一套「 自动驾驶汽车的感知刺激系统」 来解决这个问题。他们希望通过汽车内部的灯带、声音提示、空调气流转向和座椅的震动等，让乘客在做非驾驶操作时，也能让身体感受到车辆行为。这部分将由车辆控制系统传送车辆行驶信息后，汽车调动相应的灯光、改变空调吹风口来运作。 例如在车辆准备刹车时，空调吹出来的气流方向将会改变，将方向从后方吹来改成正面吹出，加上座椅震动。也可能是在车顶上设计一条灯带，用不同的颜色、亮度显示汽车即将进行的转弯、刹车、超车等车辆行为。 有一些设计被看作是有用的，比如通过气流来降低人的晕车。《大脑实验研究》期刊上的一项研究显示，不同方向的吹风有助于降低晕车时的恶心感受，但座椅震动似乎效果不大。也有一些 MIT 的研究员认为，可能比较好的方式是，让乘客直接躺下来。 自动驾驶汽车还不知道能不能顺利批量上路，包括 Uber、福特等科技公司、车厂都在研究让自动驾驶汽车进入城市生活。像福特之前还做了实验，假装车里没有驾驶员，看行人跟汽车的互动。 但它如果成真，将会带来更多的设计改变。例如原本帮助司机查看周围车辆行车情况的车窗、后视镜等，可能都不再是标准配置。越来越多的公司在为此提前准备。 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
四维图新宣布全面转型自动驾驶，他们到底准备怎么做？
自动驾驶、车联网领域的快速发展直接改变了大家的出行体验，如果你足够细心的话还会发现，大批行业内的公司都在宣布进行战略转型升级。这其中不仅包括大家熟知的一些主机厂、Tier 1，还有我们今天要提的一家图商：四维图新。 上周，他们举办了一场 2017 用户大会。除了展示业务布局之外，还宣布将会全面转型自动驾驶。 导航地图业务 四维图新对于导航地图业务的认知是，无论是车载导航、智能网联、移动互联还是自动驾驶业务，基础地理信息都属于支撑板块，用来满足行业的基础需求。四维图新副总裁陈丹在大会上说，一旦自动驾驶技术成型，对于数据的需求以及服务方式都会发生不可预期的变化。而这也将导致他们的思考方式、做事方法、数据内容、应用技术以及产品形态都要随之变化。 在我看来，四维图新的想法就是导航地图业务要配合自动驾驶的落地节奏进行升级，而这也是他们适应变化的一个过程。 而在产品层面上，四维图新的导航地图业务主要还是强调他们的「FASTMAP」 平台。简单介绍就是，他们要在 24 个小时之内将现实道路的变化采集回来，处理好之后再分发给其他用户。不过，如果换做是我个人来理解的话，还是数据量更能直观反映这套平台。四维图新给出的数据是，在中国道路上，他们每年要更新 400 万公里的道路数据。 另外，在这届用户大会上我发现，与「FASTMAP」 平台相比，他们目前在做的另外一套「ADASMap 平台」 或许更有意思。 两到三年内，他们想要通过 ADASMap 将道路精度控制在 1 米以内。不过，与单纯的控制精度相比，我更关心的可能还是 ADASMap 技术的落地应用。四维图新做过一项测试，用户驾驶过程中如果可以提前获知前方几公里道路的坡度，大概可以节约 5%的燃油。一旦大规模应用，这部分价值就将有机会得到放大。 车联网业务 介绍车联网业务之前，四维图新高级副总裁景慕寒首先带大家回顾了一下这个领域的发展历程。他认为，车联网主要经历了 4 个发展阶段： 1、以呼叫中心为主的车联网发展阶段。 2、汽车联网，但仅仅是简单的汽车+联网而已，包括汽车的安防和远程控制等功能。 3、智能网联阶段，把移动互联网和智能硬件结合在一起，给汽车赋予更多的职能。内容更丰富，可以远程更新，可以远程下载，可以跟各种传感器的融合。 4、自动驾驶阶段，可以实现 V2X 功能，而车联网所做的一切也都是在为自动驾驶做准备。 在景慕寒看来，四维图新提供的车联网方案目的就是覆盖用户在使用汽车的整个场景，他们有自己的芯片、数据、实时交通、智能导航软件等等，可以确保软硬件之间的交互是流畅的。具体到车联网方案上的话，四维图新主要提供数据、动态交通以及智能车载导航系统三项产品。而这些产品现阶段也有落地在车型上的案例，例如他们已经在给大众、丰田等合作伙伴提供内容上的支持以及呼叫中心服务。 谈到车联网业务的未来发展方向时，景慕寒给出的说法是：乘用车联网业务将面向下一代自动驾驶场景，加强产业资源整合及联合开发力度，形成强大的云端数据处理和服务能力。而商用车联网领域，四维图新主要还是拓展商用车厂前装渠道。 自动驾驶业务 文章开头时我们也提到了，四维图新将会全面转型自动驾驶。因此，我很想了解的是，他们今后的自动驾驶业务路线到底如何实现？ 四维图新高级副总裁戴东海认为，想要实现自动驾驶只要解答这 4 个问题就可以：首先是我在哪里。第二，要对周围的环境有比较全面地感知。接下来要预测其他环境的车辆是怎么样动作，最后一步是自己应该怎么去做。简单概括就是：感知、定位、规划决策以及控制四步。 想要实现自动驾驶，可以采用渐进式的策略，也可以选择颠覆式的策略。不过，由于人工智能和新型传感器技术的爆发，很多颠覆性技术正在推动自动驾驶技术落地。而四维图新的想法是：自动驾驶汽车的安全问题非常重要，他们既不想使用传统的渐进式方案，也不想完全依赖于全颠覆式策略，而是将两种路线结合使用。 而在谈到自动驾驶业务的发展进度时，四维图新 CEO 程鹏告诉 GeekCar，目前很多创业公司都在使用深度学习、机器学习来做感知，而这个环节的门槛已经开始降低了。他们在感知层面上取得了一些成绩，不过没有特别突出。 在程鹏看来，四维图新的强项在于定位，其中分为高精度地图以及高精度定位两大板块。这两项板块再加上传感器结合在一起之后，可以不用激光雷达 + 摄像头 + 毫米波雷达就得到很好的感知基础。 程鹏还特意强调，他们的高精度地图采集过程基于用户的传感器、智能设备、行车记录仪，用这些设备采集的数据可以实时动态更新。在分钟级以内，前面有车发现状况，后面的车就能知道。而他们的高精度地图基于机器人的视角，而不是人类的视角，最终数据也是交给机器人看的。 芯片业务 无论是车联网业务还是地图业务都属于「 软」 业务，为了在自动驾驶领域完成布局，同时实现软硬结合，四维图新此前收购了汽车电子芯片设计和解决方案的提供商杰发科技。两家公司也在合作生产自动驾驶所用的芯片，芯片的主要作用是进行地图和传感器的相关运算，例如处理车端传感器传来的感知数据，进行高精度匹配和决策，提取道路属性和地物信息等等。 现阶段，他们的芯片业务依然以后装为基础，前装产品所占比例大约是 20%，今后会陆续提高。四维图新副总裁王文信说，接下来两年，他们主要将精力放在提供更高性能的 CPU、GPU，做一些算法的集成，同时提供一些更容易导入的芯片。 而从战略层面上分析，芯片业务对于四维图新实现自动驾驶路线则有很大影响。程鹏告诉我，有了芯片业务之后，他们就可以完成汽车产业链整合。过去四维图新可能只卖数据，后来演变成卖车联网服务，而终极形态则是卖解决方案。其中包含了数据、服务以及芯片，所有的一切都已经集成好，可以拿来改装自动驾驶汽车。 位置大数据业务 今年 6 月份的时候，四维图新发布了 位置大数据平台「MineData」。这一次的大会上，他们的首席架构师石清华则提出这样一种观点，由于四维图新一直是一个纯正的「to B」 公司，他们收获了一些比较认可的公司。所以在这一两年时间内，他们不仅把自身的数据集合了起来，同时也包括这些合作伙伴的数据。 说到 MineData 平台时，石清华的想法是，他们做大数据主要关注三点：数据本身、可视化以及分析计算能力。得到数据之后，他们需要围绕着人、车、路、城市基建、环境五个方面构建数据图谱。人和车是城市交通的主体，路和城市基建是交通活动的载体，环境是城市交通活动非常重要的因素，有了这五大要素，关于城市交通就可以输出解决方案。 仅仅只谈概念或许不够形象，石清华给出了这样这样一组数据：从 2007 年到现在为止，他们积累了超过一千亿公里的数据，这些数据正在以每天 3T 的速度在增长。而他们要做的就是平均用 30 秒的时间，将这些实时数据处理成全国 340 多个城市的城市路况。一旦大量数据累积在一起，达到一定量级和广度后，就可以预判交通事件甚至切入部分场景。 或许是「to B」 的属性过于专业，会后专访时，程鹏最后还特意强调了一下他们的合作落地案例，例如微信分享位置、滴滴人车分配、美团订餐等服务都与四维图新有关。这似乎也印证了一个很易懂的道理：再复杂的技术终究会落地在消费者服务体验环节。而总结四维图新的战略也很简单，那就是整合所有业务构建一套自动驾驶体系，打造「 智能汽车大脑」。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
自动驾驶汽车到底怎么做，宝马是这样看的| 2017 智能网联汽车大会
如今提到汽车科技领域的发展动向，智能网联、自动驾驶、共享用车等趋势已经开始被越来越多的人所认同。上周六，在上海举办了一场 2017 世界智能网联汽车大会，而我们也收集了一些有价值的观点。 对于「 未来出行」 究竟会向什么方向发展，宝马政府事务高级经理 Henrink Wigermo 给出了自己的想法。他认为，宝马想要做的是从豪华汽车制造商向出行服务商的身份进行切换，当汽车市场发生变革时，宝马必须迅速快速完成应对。他们特意推出了一套「ACES」 战略，而「ACES」 分别代表：自动化（Automated）、互联化（Connected）、电动化（Electrified）、服务化（Services）。 2008 年时，很多人认为 iphone 还只是一项小众产品，实际上这些人后来全部判断错了。Henrink Wigermo 认为，一旦有新产品出现，就有可能成为一个行业变革的里程碑。从宝马的角度上看，他们不会低估任何竞争对手以及相应产品。Henrink Wigermo 还提到了一个很有意思的故事，他曾经与宝马同事探讨过「 自动驾驶」 这件事，结果收到的反馈却很令他吃惊。有些人会认为这是不是疯了？用户购买宝马就是为了体验驾驶乐趣，而自动驾驶会让宝马的品牌形象打折。 而 Henrink Wigermo 的想法却是，宝马永远都会在车上搭载方向盘，用户想要驾驶就可以随时接管车辆。对于自动驾驶汽车，他们始终都考虑将周围环境放在第一位。其中包括车道、信号灯等静态物体以及其他车辆、行人等动态物体。为了感知周围环境，传感器就派上了用场，结合后台数据以及高精度地图后，随时可以收到周围环境的反馈。 基于这样的环境模式，路径规划、驾驶策略等环节就可以开始计算，而这些架构也是自动驾驶技术的基础及核心，负责控制车辆何时加速、何时减速。不过与德国环境相比，中国的驾驶环境更复杂，这也就意味着车企必须重新训练自动驾驶汽车，遇到紧急状况时做出不同的反应。 系统搜集数据主要来自不同类型的传感器，其中包括短距离、中距离以及长距离传感器，长距离传感器的探测长度为 200 米左右。至于高精度地图则负责为车辆提供更合适的识别路况信息，结合后台提供的实时路况，可以帮助自动驾驶汽车做出更正确的判断。 Henrink Wigermo 还认为，即便今后自动驾驶汽车实现量产，驾驶员依然可以随时接管车辆，车辆始终应该以驾驶员的意见作为最主要参考。一旦电气系统出现严重故障，用户依旧可以使用物理手段踩下踏板实现紧急制动。这也可以理解为，为了用户安全，需要打造一套冗余系统。 去年 7 月，宝马与英特尔、 Mobileye 达成战略合作，共同研发自动驾驶平台。而到了今年，FCA 以及德尔福也加入到了这一阵营当中。今年下半年一共有 40 辆宝马全自动驾驶汽车在全球投入路测。此前，他们已经在成都完成 1.4 万公里高度自动化驾驶实路测试。最后，宝马的目标依然是在 2021 年实现全自动驾驶汽车量产。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
解析历史上的无人车事故案例：到底怪人类，还是怪机器？
自动驾驶技术发展到今天，只要你有足够多的钱，就能攒出来一辆真正的「 无人车」。所以现在看到「 某地无人上路车载客」 的新闻，我们也没那么有新鲜感了。 当然，即使是人类老司机也有「 翻车」 的时候，更别提无人车了。今天就来回顾一下无人车翻车史，其实涉及的公司还不少，都极具代表性。 我们先从前几天在拉斯维加斯的一起无人车车祸说起… 卡车撞 Navya 小巴 上周，在拉斯维加斯上线了 Navya Arma 无人驾驶小巴。在发车仪式上，拉斯维加斯市长亲自来站台，展望了无人驾驶时代的美好场景，比如现在 90%车祸都是人为的，无人车很安全 bla bla。按照计划，这辆无人驾驶小巴将在老城区按环形行驶，里程约 1 公里。 发车仪式结束，媒体和吃瓜群众开始上车体验。意外的是，这辆车在 2 小时后就撞了… 有媒体同行正好在车上，为我们还原了车祸时的场景：这辆无人驾驶小巴开的并不快，约 30km/h，行驶非常谨慎，只要有人在前方就会停下等待。拐弯时，等车少了才会前进。 车祸发生前，小巴车前方有一个拖曳式卡车，当时卡车要倒车进入一条小路，小巴和卡车呈垂直方向，小巴按照程序停车等待。由于卡车要进入小路，于是卡车开始打方向倒车（和停入垂直车位差不多），这时卡车右前轮离小巴越来越近，直至发生刮擦。 由于小巴没动，卡车倒车速度也很慢，所以双方损失不大，小巴覆盖件凹了一块。最终，交警判定是卡车责任。 下面剖析一下事故原因：首先，卡车负事故所有责任无误。对于 Navya 无人小巴车来说，它有 360 度感知系统，硬件包括多个摄像头、多个激光雷达等等，可能成本要上百万元人民币，所以感知系统冗余足够。 问题在于，小巴车很明显没有做到像人类司机一样「 聪明」，当前方有车在倒车时，没有后退躲避。按照当时车上的 Digital Trends 记者 Jeff Zurschmeide 的说法 ，事故发生时，小巴车后方至少有 6 米的空间，有足够的倒车空间。于是这辆小巴车在事故发生前几秒，大家只能眼睁睁看着卡车蹭到小巴车，毫无办法。（注：现场图同样来自 Jeff Zurschmeide/Digital Trends）后来，这辆小巴车的运营方 Keolis 公司的一位 VP 表示：Navya 的无人车有倒车功能，但这次失效了。这辆车同样有喇叭，但这次同样没响… 不过反过来说，即使是人类司机，能够立刻挂倒挡躲避卡车的，也没几个人能做到。不过，起码能按个喇叭吧？目前，美国联邦运输安全部的官员已经赶往拉斯维加斯开始调查。 总结：人类司机担责，同时无人车算法不够成熟，不会倒车… Uber 无人车翻车 2017 年 3 月，Uber 的一辆沃尔沃自动驾驶汽车在美国亚利桑那州 Tempe 发生车祸。事故现场异常惨烈，Uber 无人车直接侧翻在地，这也是历史上比较严重的一次无人车车祸。 下图为事故发生的路口： 从图中可以看出，这只是个典型的美国小镇十字路口，车道线清晰，有红绿灯，并且也不是什么繁华地带。 当时 Uber 的 XC 90 无人车正在直行通过路口，一辆福特锐界左转但未避让正在直行的 Uber 无人车。两车发生碰撞发生后，Uber 无人车翻车，事故还牵连了一辆现代伊兰特。（就是这么巧，XC 90 居然直接翻车了…）当时 Uber 无人车前排有两个人，均为 Uber 工程师，当时该车处于自动驾驶状态。事故没有造成人员严重受伤。根据当地警察的说法，这起事故责任在于由人驾驶的福特锐界，原因是福特在左转时未能避让直行的 Uber 无人车。（注：直行车辆有绝对的路权）不过目击车祸的两个吃瓜群众各执一词，一个认为 Uber 无人车抢黄灯，撞到了福特；一个认为是福特的错，撞到了 Uber 无人车。 根据福特司机的说法，她当时正在左转，确认对方车道没有来车时，才继续前行。穿越到第三条车道时，突然看到一辆车飞速开来，已经来不及躲避，当时时速约为 30km/h。 根据 Uber 的说法，这辆 XC90 当时确实处于自动驾驶状态，程序设定是遇到黄灯就直接通过，不加速也不减速，当然安全工程师可以随时接管。穿过路口的时速约为 61km/h，无提前加速迹象。 和前面的拉斯维加斯无人车车祸类似，责任主要原因同样是人类司机「 不守规矩」，造成无人车一方受损。同样，反过来想想，如果是老司机，是不是就能提前预判到福特车会抢道？当然，也可能人类司机不知所措，造成严重的事故。 总结：人类司机担责，Uber 无明显过错，如果算法更「 老司机」 就好了… 谷歌无人车剐蹭大公共 谷歌无人车的这次车祸，同样极具代表性，因为是谷歌无人车的责任… 2016 年 2 月，谷歌 RX450h 无人车与一辆公共汽车发生刮擦，导致这辆 RX450h 损失前保险杠、左侧翼子板和一个传感器，大巴受轻伤。 回顾一下事故现场：当时谷歌无人车在右转车道，想要右转弯。但是它探测到路边有两个沙袋，所以车又向左打方向，想要回到车道中间。当时谷歌无人车车速只有 3.2km/h，非常慢。然而这个时候，左侧的直行车道有一辆大巴并未让行，于是谷歌无人车的左侧翼子板和大巴右后方发生刮蹭。 这是大巴车行车记录仪拍到的画面： 让谷歌无人车变向的是「 沙袋」，让我们来看看所谓的沙袋长啥样： 没错，就是图中下水道边上的两个小沙袋，RX450h 可以轻松碾过去。谷歌方面的人表示：「这次事故我们确实有责任，如果车没动的话，就不会有事故了。」所以问题的根源在于：谷歌无人车对真实世界中的「 障碍物」 认知不清，无法分辨什么可以碾过去，什么必须得避让。同时，对后方来车行为判断失误，违规变道。仔细想想，一个这样的小沙袋都会让无人车「 不知所措」，那高速行驶中碰到一个飞来的塑料袋呢？ 作为进军自动驾驶领域最早的公司，谷歌的数据积累和算法已经非常领先，依然犯下这种「 低级失误」，可见没有 100%的安全。 通用一个月 6 起车祸 通用，是无人车车祸中的「 传统车企」 代表。通用在自动驾驶领域非常积极，自动驾驶版 Bolt 已经进化到了第三代。其中第三代车型已经生产了上百辆，采用流水化生产作业。 常在河边走，哪有不湿鞋。车多了，车祸也随之而来。下面的数据和事故细节来自于通用给监管部门上报的文件，所以没有事故现场图，请自行脑补… 2017 年，通用的无人驾驶车队一共发生 13 起事故，其中 9 月占了 6 起。大部分事故是由于通用无人车在等行人通过、等红灯时，被其他车辆撞上的，事故均未造成严重的后果。 下面举例来说，事故太多，用序号标明… … 继续阅读
麦肯锡：评估自动驾驶出租车的破坏力
本文来自麦肯锡，原作者 Aditya Ambadipudi, Kersten Heineke, Philipp Kampshoff, and Emily Shao。 自动驾驶出租车的出现，可能会彻底改变全球自动化产业。下面，我们通过应用场景来说明一下原因。 在未来的几十年里，人们的移动出行方式将会发生翻天覆地的变化。人们会把出行看作是一种消费，希望有更多的出行方式可以选择，比如，叫车、共享汽车、甚至是自动驾驶出租车。新兴的出行方式会慢慢代替传统产业，对于汽车制造商来说，需要抓住时机来争取更多的利润。 在这次出行方式的转型中，自动驾驶汽车扮演了重要的角色。但是，在汽车行业里，人们注重表面现象甚至超过了技术本身。虽然表面现象也很重要，但是只能解决一部分问题。人们的讨论通常集中在自动驾驶的等级（分别是 SAE Level 3、4、5）。但是，要想深入了解自动驾驶，汽车制造商还需要填补上一些其他漏洞。 这就要求我们建立一个自动驾驶生态系统。 通过应用场景解锁自动驾驶生态系统 想要成功的建立一个自动驾驶生态系统需要四点。 第一点是技术层面：自动驾驶能做什么？多久能够普及？ 第二点是监管：自动驾驶出现后，政府应该做出哪些相关的政策调整？ 第三点：自动驾驶的使用者是谁？他们有意愿使用吗？比如，从 TCO（总拥有成本）的角度来说，当自动驾驶出租车变得司空见惯时，人们是会买私家车，还是会选择这种新型的出行方式？ 第四点是商业层面：自动驾驶能带来可持续盈利吗？换句话说，自动驾驶出租车会不会扰乱今天的共享移动出行市场？ 面对不同的情况，应用场景可以帮助监管部门做出相应的政策调整。比如，在「 地理围栏」 区域（自动驾驶汽车不能离开的区域），L4 自动驾驶出租车和私人自动驾驶汽车可能会面临着不同的规则。同样的，一辆在城市里的 L4 自动驾驶出租车能和一辆 L4 州际卡车可能面临着不同的规则，尽管它们都符合 L4 的标准。 下图是基于应用场景的一个框架，可以让企业了解他们所需要的基础技术、法规重点、客户等因素对未来价值池和上市策略的影响，这包含了自动驾驶生态系统的所有要素。 该框架确定了以下内容： 一、自动驾驶车辆的行驶路线 了解车队在哪里能驾驶自动驾驶汽车（比如高速公路或地方公路），能帮助我们确定技术的局限性。这些局限性可以确定自动驾驶汽车的使用路线，还能确定自动驾驶能为车队带来怎样的商机。同样，像高速通信网络（5G）、OTA 软件的更新这样的基础设施，能保障车队行驶过程中的安全。 二、谁会使用自动驾驶汽车 对车队或私人所有权的看法对我们来说很重要，它可以帮助你鉴定如何达成价值总量最大，并且帮助你分辨客户是否有购买的意向。最重要的是，它让你分清了哪些才是真正的客户。 三、自动驾驶车辆将要运输什么 自动驾驶汽车运输的是人还是包裹？了解运输信息，可以帮助企业商业化落地。根据客户的不同，自动驾驶出租车可以选择运输乘客还是货物，还是两者一起。如果车队想达到自动驾驶汽车的最高利用率，那就要好好考虑车辆的设计问题，比如，如何设计一辆车，白天可以接送人，晚上可以运输货物。 下图是分析了多个应用场景之后，自动驾驶汽车的三个机遇。只有把不同的元素融合到一起，自动驾驶生态系统看起来才更有前途： 它们分别是自动驾驶运输、长途卡车运输和最后一英里接送服务。其中，我们觉得高自动化到全自动化（4 级以上）的自动驾驶出租车是最有前途的。 自动驾驶出租车案例：移动出行即服务 像打车一样，现在人们把移动出行当作是单词交易。然而，如果我们把移动出行当作一种服务，汽车制造商可能将开辟能拥有数十亿美元收入的新战场。 但在这个转变过程中，也破坏了原有的汽车和移动出行的商业模式。 比如，一家汽车公司平均每辆汽车能赚取 2500 美元；车辆寿命有 150000 英里，换算出来大概是每英里一分钱。但是如果把移动出行当作一种服务，那盈利远远不止这些。 这就意味着行业看待「 盈利能力」 的思维发生了根本变化。他们开始思考如何抓住这个时机，让每英里的移动出行都有盈利。 自动驾驶出租车的出现会重构产业链。在这个转变过程中，将使保险、航空、铁路和基础设施等其他行业产生连锁反应。 一旦自动驾驶出租车取得成功，可能会从根本上改变车主和公共交通的状态。自动驾驶出租车通过提供更低的成本，更大的便利（比如，提供无中断的上门服务），让乘客们不需要驾驶，提高了生产力。自动驾驶出租车将改变人们对城市中移动出行的看法。 事实上，使用自动驾驶出租车的成本极低，现在的共享移动出行无法与其竞争，所以，自动驾驶出租车很可能改变现有的游戏规则。 另外，自动驾驶出租车还会影响整个社会。它为老年人、残疾人、出行不方便的人提供了出行方式。同时，自动驾驶出租车提高了汽车的安全性，甚至减少了人们对城市停车位的需求。 到 2020 年的可行性 今天，自动驾驶仍处在发展阶段。比如，当行驶过程中突发危险情况，仍然需要依靠人类操作。鉴于目前的状况和现有的技术障碍，我们认为自动驾驶出租车要实现完全自动化，需要三个阶段。 当涉及到行驶里程，道路限制时，这些阶段将有着截然不同的情况。 第一阶段（自动驾驶出租车 1.0）出现后，一系列的技术改进将会提升自动驾驶出租车的功能，并拓展了它的应用场景。这就意味着我们可以通过更好的摄像头，来实现夜间驾驶功能、通过改进传感器让图像的分辨率更高，还能提高数据处理能力。同样，自动驾驶出租车想在公路上行驶，就需要更强的数据收集能力和更强大的传感器。只有采用更好的传感器，才能更好的收集和处理数据，让自动驾驶出租车在恶劣的天气下也能行驶。 每个阶段都有独特的特点： 2020 年到 2022 年，自动驾驶出租车 1.0。 自动驾驶出租车 1.0 在未来五年内，可以对车辆的驾驶环境进行定位。它的限制条件包括：必须是白天、天气晴朗、路缘要清晰、交通畅通，只有在这些情况下它才可以低速行驶。 这个阶段的自动驾驶汽车可能会开到你邻居家里接你，带你去目的地时不走高速公路，而是在其他固定路线上低速行驶。 这些早期的实验不会有许多的商业案例，因为引进它们的公司只是想记录这些数据，目的是进一步的研发自动驾驶汽车。 这些测试通常会在郊区（不在城市和市区），主要有以下两个原因。第一个是交通量越少，自动驾驶系统决策的复杂性越低。毕竟，在郊区不会出现道路建设、汽车停在路边的情况，也没有来来往往的人群。 第二个是如果自动驾驶出租车出现了问题，解决起来比较麻烦，不太拥堵的地区可以让自动驾驶出租车更快的安全撤离，不影响交通。 2025 年到 2027 年，自动驾驶出租车 2.0。 第二阶段的自动驾驶出租车可以在交通环境复杂的城市里或者高速公路上驾驶。而且，自动驾驶出租车可以准确的开到你的公寓门口接你，通过高速公路把你送到目的地。不仅仅是白天，在夜晚自动驾驶出租车也可以行驶了。 但是，在城市里行驶还是占主导地位。在高速公路上的行驶，主要是给自动驾驶出租车积累更多的里程。 到 2030 年，自动驾驶出租车 3.0。 自动驾驶出租车 3.0 意味着真正的技术解放。它能够开到廊坊，去你家接上你，然后把你送到北京（反之亦然），它们甚至不需要清晰的车道，即使车道很破旧、不清楚，它也能把你送达目的地。 另外，自动驾驶出租车 3.0 在任何天气下，大雾、大雨、冰雹、积雪覆盖的道路上都可以行驶。 自动驾驶出租车的演变和跨行业的融合 一个成功的自动驾驶出租车生态系统，取决于各种各样的参与者。最后，由他们共同选择出一个最佳的商业模式。 汽车制造商不得不与地方政府密切合作，建立基本的合作伙伴关系，以确保基础设施的到位。比如，建立新的电动车充电区域，以及车辆到基础设施的整合。 随着自动驾驶出租车的普及，企业必须考虑在什么地方、通过什么方式，让自动驾驶出租车的价值发挥出来。 对于一些汽车制造商来说，这种演变可能是困难的，因为这涉及到「 移动出行即服务」 的每英里付费的商业模式，而不是传统的以产品为中心的按车辆付费的方式。 汽车制造商也看到了消费者的变化，共享运营平台开始取代消费者变成了购车者。 另外，跨行业的融合也可能引发安全问题。比如，监管机构需要随着技术的发展迅速的提出相应的政策，这些政策既要保证人们的安全，又不能阻碍自动驾驶的发展。同样，车队需要强大的网络安全措施来防止恶意的攻击，给那些正规投资的公司带来机遇。 游戏在进化，游戏的玩家也要不断地进化 想要管理向自动驾驶出租车过渡的世界并不容易。在这个瞬息万变的世界里，如果想要做出贡献，就需要增强公司的核心能力和业务模式。 现在，来自科技行业和新创业公司的新成员已经做好了准备，将负责新的自动驾驶出租车的不同技术。但是，传统行业也可以重新回到这场游戏中，来解决硬件或者软件的问题。这样的决定可以分散新技术的风险和成本，加速自动驾驶开发，推进自动驾驶出租车的普及。 自动驾驶出租车的出现，给所有移动出行利益相关者提出了一个重大的挑战。一旦有了全天候服务的自动驾驶出租车，拥有一辆自己的汽车还有意义吗？ 另外，人们是否应该给共享移动出行汽车买单，比如维护费用、保险费用？同样的，在自动驾驶出租车普及的时代，移动出行方式变成一种商品，那拥有汽车的人是否会获得独特的地位和威望？ 汽车制造商可能面临更大的挑战。因为他们试图从传统模式转换到「 移动出行即服务」 的模式。那么传统汽车销售模式该何去何从？ 监管机构的责任也很重大，他们不仅要探索新的政策，还要考虑保险、融资和责任等问题。 同样的，城市和直辖市也要成为移动行业的合作伙伴，以确保与自动驾驶相关的基础设施顺利的整合。 自动驾驶出租车能征服世界吗？显然，他们将对汽车行业产生重大的影响，并且会扰乱现在的商业模式。同时，自动驾驶出租车带来的新的商业模式，也会让许多新公司参与到技术研发当中。 自动驾驶出租车有巨大的潜力，它可能会改变现在的移动出行产业。从现在开始，传统公司和新创业公司就应该开始考虑，如何能在陌生的环境中获得利润的可持续增长了。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
又一家自动驾驶创业公司被收购，这次的价码是 4.5 亿美元
在我看来，自动驾驶带来的不仅是一种全新的出行体验。与此同时，它还催生了一批国内外创业公司。于是当我们在讨论自动驾驶时，不仅会出现车企、Tier 1、科技公司的身影，同时也有创业公司的名字。 而这些创业公司呢，又在某种程度上变成了大公司「哄抢」的标的。 这不，最新的一个收购来了：一级供应商德尔福宣布，他们将以 4.5 亿美元的价格收购自动驾驶创业公司 nuTonomy，其中包括 4 亿美元的现金以及 5 千万美元的绩效回馈。目前德尔福共有 100 多名员工在进行自动驾驶研究，收购完成后， nuTonomy 的 100 多名员工也并入其中。 nuTonomy 之前做了什么？ nuTonomy 此前对于自己的定位是为自动驾驶汽车研发先进软件的科技公司。从 2005 年开始，公司创始人 Karl Iagnemma 就开始研发自动驾驶技术。另外，nuTonomy 还拥有麻省理工学院背景的研究人员，他们此前也在利用 NASA 和 DARPA 的资金开发机器人技术。 而在 2014 年的时候，nuTonomy 联合创始人兼 CTO Emilio Frazzoli 在新加坡发布了首辆用来测试的自动驾驶汽车，测试车型基于三菱 i-MiEV 改装，他们还向市民开放了运行试验。也就是从那时开始，nuTonomy 成功积累了城市范围内发展和管理自动驾驶汽车的经验。 随后，他们的自动驾驶项目开始快速进展： 1、2016 年 2 月，获得 Samsung Venture Investment Corporation、Signal Ventures 等机构总额为 360 万美元的种子轮融资。 2、2016 年 5 月，宣布获得 1600 万美元 A 轮融资。 3、2016 年 7 月，开始在新加坡测试运营自动驾驶车队。 4、2016 年 1 月，与美国波士顿政府签署了合作协议，在波士顿南部的工业园区内进行自动驾驶汽车测试，具体测试车型为雷诺 Zoe 电动车。 5、2017 年 5 月，与 PSA 达成合作，今年下半年共同进行自动驾驶路测。 6、2017 年 6 月，同 Lyft 合作，共同在波士顿运营自动驾驶车队。 我们可以发现，nuTonomy 一直没有过多强调他们在技术方面有多领先，而是把更多的精力放在了路测上面。而对于德尔福而言，技术储备是一方面，如何确保自动驾驶技术顺利落地才是重点。从这个角度分析，德尔福选择在此时收购 nuTonomy 想必也是经过了深思熟虑。 还有个有意思的细节：德尔福与 nuTonomy 此前曾同时在新加坡纬壹科技城进行自动驾驶测试。或许，两家公司其实早在那个时候就互相熟悉对方了，而这也为德尔福成功收购 nuTonomy 埋下了伏笔。 又一次壮大的德尔福 说完了 nuTonomy，咱们再来看看德尔福。他们在自动驾驶领域的动作向来不小，这一次收购的 nuTonomy 今后也将成为他们的一块重要拼图。放大来看，nuTonomy 甚至可以帮助德尔福扩大他们在自动驾驶领域的话语权。至于理由，我们可以从以下几个角度分析： 1、nuTonomy 可以为德尔福提供大量路测数据 刚才我们也提到了一点，别看 nuTonomy 并不起眼，但他们的路测进展并不落后于其他自动驾驶初创公司，而这些路测所产生的数据对于德尔福而言有着重要意义。 今年 9 月末，德尔福公布了两家分拆公司的命名，分别为「Aptiv（安波福）」和「德尔福科技」。前者主要聚焦于汽车前沿创新领域，包括高级驾驶辅助、自动驾驶、车载互联等等，而后者则将专注于通过内燃技术、软件和控制、以及电气化来为汽车提供更加先进的推进系统。 如果不出意外的话，这一次他们收购的 nuTonomy 今后将归属 Aptiv（安波福），德尔福分拆两家公司最重要的一个原因就是要发力自动驾驶，而对于他们而言，nuTonomy 的数据完全可以帮助德尔福进一步优化算法以及硬件。 2、对宝马、英特尔、Mobileye 阵营也有补充 各家公司站队自动驾驶阵营这件事应该不用我再赘述了，而德尔福收购 nuTonomy 之后，对于宝马、英特尔、Mobileye 阵营也是一个很有效的补充。 今年年初的 CES 上，德尔福展示了他们与 Mobileye 合作研发的自动驾驶解决方案「CSLP」。为了方便大家体验，他们还带来了一辆基于 CSLP 方案打造的自动驾驶原型测试车。CSLP（Centralized Sensing Localization and Planning）代表中央传感定位和规划平台，根据德尔福的计划，这套自动驾驶解决方案大约在 2019 年量产。 在争夺资源的重要阶段，如果不去收购 nuTonomy，一旦其他阵营第一时间收购，那么对于宝马、英特尔、Mobileye 以及德尔福阵营来说，就是一项很大的损失和打击。 3、吸收 nuTonomy … 继续阅读
为了研发自动驾驶，小鹏汽车挖来了前特斯拉机器学习专家谷俊丽
最近有传闻说机器学习专家谷俊丽将加盟新造车团队小鹏汽车，今天这个消息得到了小鹏汽车官方的确认。在此之前，谷俊丽供职于特斯拉，任 Autopliot 机器学习团队主管。加盟小鹏之后，她的 title 是「自动驾驶研发副总裁」，直接向小鹏汽车董事长何小鹏汇报。 小鹏汽车官方是这么介绍谷俊丽的：「谷俊丽博士精通诸多领域，在机器学习、异构计算、高性能计算以及处理器设计方向都有深厚的研发经验。在清华大学读博士期间，谷俊丽作为核心人员研发过超长指令字数字信号处理器，后赴美参与 UIUC 超级计算机的研究工作，并曾工作于 Google 总部。2012 年 7 月之后的四年，谷俊丽曾任国际芯片巨头 AMD 主任工程师，负责大数据和深度学习软件的研究开发。」而之所以加入小鹏这家新造车团队，恐怕主要还是因为她在特斯拉的工作经历。在 Linkedin 上，谷俊丽详细描述了自己在特斯拉的工作内容： 在特斯拉，我创建并领导了 Autopilot 机器学习团队（技术、管理的双料负责人），我们的任务是建立垂直的机器学习堆栈和产品来解决自动驾驶问题。我的工作内容是创建 AI 路线图，带领团队进行算法创新，并且研发出高质量的自动驾驶系统，并保证功能的正常推送。具体来说，工作包括以下几方面： 1. 对机器学习算法进行创新，以此来驱动自动驾驶的核心技术，实现大规模的物体检测、车道检测和各种复杂驾驶场景的建模; 2. 开发应用在汽车上的高性能机器学习推理引擎。我设计并开发了业界领先的推理技术，使 Autopilot 系统能够在搭载了第二代自动驾驶硬件的特斯拉车型上使用； 3. 建立大规模的数据收集/定义和培训软件和系统，以增强算法的开发和演化; 4. 高质量的功能开发和推送。 谷俊丽在 2016 年 2 月加入特斯拉，彼时 1.0 版本的 Autopilot 已经在量产车上搭载，显然她的主要工作内容应该集中在 Autopilot 2.0 版本的研发上。在这个新一代 Autopilot 上，特斯拉在硬件层面使用 8 摄像头+毫米波雷达+超声波雷达的多传感器融合方案实现自动驾驶，并且用到了英伟达 Drive PX 2 计算平台。而在软件层面，机器学习起到了重要作用。 而在国内，几家新造车团队也会或多或少的参考特斯拉的技术方案来研发自己的自动驾驶技术，所以也不难理解为什么小鹏汽车要邀请谷俊丽加盟。 特斯拉的工作经历，让谷俊丽看起来多了些「高大上」的外衣，对于小鹏汽车来说，这或许会有助于他们后续的人才引进。 引进顶级人才的思路应该是何小鹏亲任小鹏汽车董事长带来的结果，自动驾驶则是一个重要的人才引进方向。9 月 14 号，他在微信朋友圈写了一段自己在美国考察之后对于自动驾驶的认知： 最近连续去两次美国，深刻感觉现在 L4 自动驾驶的泡沫比两年前的 VR 还要大太多，18 个月后肯定会出现非常多问题。 自动驾驶起码分感知，规划，控制和整车集成，往往我们第一次看到的 demo，第一印象觉得很惊艳，仔细了解后实际上离真正无人驾驶还有十万八千里。大部分团队还仅仅是做感知的工作（而且大部分还是很贵的硬件），Google 四年前，Uber 两年前就做到了，但是今天他们都还需要五年以上才可能将算法基础调整得更好，这还仅仅是部分的算法。而且还有一堆的事情，硬件体系，一致性，可靠性，经济性，车规性，规模性等无数问题没有解决。汽车行业的要求是 99.999%，但是今天的 demo 还可能仅仅是 10%，和 Tesla 和很多团队聊，做自动驾驶 10 个月的就认为是资深专家，而这样的团队几个人就可以随便融到天使，真是太疯狂了。我认为乘用车的 L4 在硬件和软件上基本可行起码要到 2022 年，然后还需要大量测试和优化 5 年，这样我们都可能不敢在黑夜中行驶中的车上独自睡觉，这需要大量的资金和一个多项全能的团队才可能，绝对不是一个马上就可以看到钱的市场。 半个月后，他再次发朋友圈进行「招聘」： 改变真的不容易，但是会很非常刺激，小鹏汽车在广州、北京和硅谷需要大量的人才，从汽车设计，三电，座椅，内饰，品质控制，生产，销售，售后，充电到互联网系统，产品，app 开发（地图，音乐等），测试，设计，论坛，大数据，车联网到 L3 和 L4 自动驾驶，PR，GR，法务，行政，HR 等大量的人才。 可以预见的是，何小鹏出任小鹏汽车董事长后，小鹏团队会迎来一定程度的重构和更新，在招兵买马之后，整体实力的提升几乎是必然。这对于产品的大规模量产以及后续产品的研发，都将会是非常关键的。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
禾多科技、四维图新达成战略合作，自动驾驶圈内新 CP 诞生：地图公司+创业公司
10 天前，禾多科技宣布完成千万美元级别的天使轮融资，领投方包括 IDG 资本和四维图新。禾多科技是一家自动驾驶创业公司，成立于今年 8 月，创始人是曾在百度和乐视自动驾驶部门担任重要职位的倪凯。（禾多科技公司名字的含义，就是把移动的「 移」 拆开看。）在倪凯刚从乐视离职的时候，圈里传出了「 倪凯加入四维图新自动驾驶部门」 的消息，所以如今四维图新和禾多科技走到一起，并不令人意外。9 月，倪凯第一次以禾多科技创始人的身份亮相，在 GeekCar 举办的首届极客出行大会「G.A.M.E」上详解了一个新概念：L3.5 自动驾驶系统，即把一个准 L4 系统降为到 L3 来使用，有更高安全标准的同时，又适合量产。 除了资本层面的合作之外，上周四维图新 CEO 程鹏和倪凯又坐到一起，签署了一份战略合作框架协议，标志着四维图新和禾多科技正式在技术层面开始走向联合。 程鹏在签约仪式上对禾多科技评价非常高，他说：「 看过了太多不靠谱的公司，禾多科技是极少数靠谱的。靠谱的定义，就是说的和做的匹配，即言行一致。」 关于和禾多科技到底怎么合作，程鹏简单直接的说：「 要什么给什么，要钱给钱，要资源给资源。」 合作的另一方倪凯是这么说的：「 在中国特殊道路与政策环境中，高精度地图扮演着至关重要的角色，我们希望联手四维图新，加快技术落地，以数据优势形成真正的技术壁垒。」 对于四维图新来说，最核心的无疑就是「 地图数据」 了。高精度地图可以让自动驾驶汽车有更多「 冗余」，让汽车准确知道自己在什么位置。但高精度地图又不是谁都能采集，这涉及到地图测绘资质问题，四维图新正是国内不多的有地图测绘资质的公司之一。 其实仔细看看四维图新近两年的布局，你就会发现四维图新才是真正的在做「 生态」。在收购杰发科技后，四维图新已经形成了「 数字地图+车联网+自动驾驶+大数据+芯片」 的全方位布局，软件、硬件两手抓。 不过联想到四维图新内部其实也有自动驾驶研究部，再看看这次和禾多科技的合作，是不是冲突了？程鹏并不这样认为，在他看来选择发力自动驾驶就是选择了一条「 赛道」，选择赛道之后还要选「 赛手」，各个赛手之间并不是绝对的竞争关系，也可能是「 接力式」 的合作关系。 另外，大家的侧重点也不太一样，四维图新研究的是「 定位」，如何做到毫米级、厘米级的定位。禾多科技则更偏重于整体解决方案，目前禾多科技的自动驾驶平台已经进入实车道路测试阶段，从车辆线控到多传感器方案，从感知、定位到决策控制，禾多科技具备了全栈型开发能力。 毫无疑问，在尚未成熟的自动驾驶产业链中，创业公司也会有一席之地，就看大家如何去切入了。在此之前，我们已经见过了新造车公司+自动驾驶创业公司、芯片公司+自动驾驶创业公司的搭配。 这次四维图新和禾多科技的合作，本质上是一家老牌地图公司+自动驾驶创业公司的搭配，也算是业界首创。但 无论以怎样的姿势切入，最终都是要和车企做生意，大家都是在探索的路上，道阻且长。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。